一种不规则钢板位姿识别方法及相关设备技术

本发明专利技术属于自动光学检测领域，具体涉及一种不规则钢板位姿识别方法及相关设备，所述方法包括：拍摄钢板位姿图像，并通过预处理将钢板检测区域以外的背景进行剔除，提取钢板检测区域中的点云信息；通过最小二乘法对点云信息进行平滑处理，得到点云原点数据；使用预设聚类算法，对点云原点数据进行分割，得到单个钢板的单独点云信息；对单独点云信息进行位姿识别，得到具有法向量特征的点云集数据；根据点云集数据确定最佳拟合平面；使用Mean

【技术实现步骤摘要】
一种不规则钢板位姿识别方法及相关设备


[0001]本专利技术属于自动光学检测领域，具体涉及一种不规则钢板位姿识别方法及相关设备。

技术介绍

[0002]随着科技的发展，机器人产业不断地进步，使得机器人技术改善了人们的生活质量，并应用于生活、医疗、制造等诸多方面。其中，工业生产是机器人主要的应用之一，工厂中单调重复的劳动，例如生产线中对生产物体的摆正、分拣、码垛、上下料等任务，已经从原来的人工负责转变为机器人负责，极大地减轻了工厂员工的工作负担，使人们能够更好地去专注非机械的任务。在生产线上，传统的上料机构占地面积很大并且可靠性降低，人工上料又会产生疲劳和危险，针对这个问题，工业机器人对物体的识别分类、位姿估计以及抓取技术成为了目前众多学者和技术人员研究的方向与主题。传统机器人系统往往只适用于结构化的简单场景，通过离线编程的方式进行单一重复作业，在一种较常见的场景中，针对散乱堆放不规则钢板抓取，传统的机器视觉算法只能分割识别钢板单一的位置特征，并且对与散乱堆放的工件的位姿计算效果欠佳，这导致基于该算法的系统无法高效地引导机器人进行抓取作业，也就是说，现有的多数机器人系统已经无法满足工业生产中日益提升的智能化需求。

技术实现思路

[0003]本专利技术实施例提供一种不规则钢板位姿识别方法及相关设备，旨在解决现有的制造业中对不规则钢板位置的识别不准确，导致生产效率低的问题。
[0004]第一方面，本专利技术实施例提供一种不规则钢板位姿识别方法，所述方法包括以下步骤：
[0005]S1、拍摄钢板位姿图像，并通过预处理将钢板检测区域以外的背景进行剔除，提取所述钢板检测区域中的点云信息；
[0006]S2、通过最小二乘法对所述点云信息进行平滑处理，得到点云原点数据；
[0007]S3、使用预设聚类算法，对所述点云原点数据进行分割，得到单个钢板的单独点云信息；
[0008]S4、对所述单独点云信息进行位姿识别，得到具有法向量特征的点云集数据；
[0009]S5、根据所述点云集数据确定最佳拟合平面；
[0010]S6、使用Mean
‑
shift算法计算所述最佳拟合平面的中心点；
[0011]S7、根据所述最佳拟合平面和所述中心点获取钢板的坐标信息，并根据所述坐标信息使用机械手对所述钢板进行抓取。
[0012]更进一步地，步骤S1中，所述预处理的方法包括：
[0013]基于统计滤波去除所述钢板位姿图像中点云的离群点，所述离群点包括所述点云周围的噪声；
[0014]使用AABB包围盒结合直通滤波识别所述钢板检测区域，并去除区域边界的影响。
[0015]更进一步地，步骤S3中，所述预设聚类算法具体为：
[0016]S31、将所述点云原点数据按照Z轴坐标值大小进行排序，并获取Z轴坐标值最大的一个种子点P，将所述种子点P放入聚类集合Q中；
[0017]S32、构建关于所述种子点P的kd数，并查找所述种子点P的n个邻居，计算每一所述邻居到所述种子点P的距离，将距离小于预设距离阈值r的所述邻居对应的点放入邻居数组中；
[0018]S33、遍历所述邻居数组，计算其中每一所述邻居对应的法向量与所述种子点P的法向量之间的夹角，将夹角小于预设夹角阈值的所述邻居预设的点放入所述聚类集合Q中，根据以上定义，所述聚类集合Q满足如下关系式：
[0019][0020]S34、将所述聚类集合Q中的所述种子点P的下一个点作为新的所述种子点，并重复步骤S32
‑
S34，直到所述聚类集合Q无法再加入新的点，其中，所述聚类集合Q中的每一点为得到的单个钢板的所述单独点云信息。
[0021]更进一步地，步骤S4中，对所述单独点云信息进行位姿识别，得到具有法向量特征的点云集数据的步骤，包括以下子步骤：
[0022]S41、通过单独点云信息中的一随机点的邻域点，计算所述随机点的点云质心；
[0023]S42、通过所述随机点和所述点云质心计算协方差矩阵C；
[0024]S43、通过奇异值求解法计算所述协方差矩阵C的特征向量，其中，所述特征向量的最小值为所述随机点的所述法向量特征；
[0025]S44、将所述法向量特征的值大于预设特征阈值的对应的点作为所述点云集数据。
[0026]更进一步地，步骤S5中，根据所述点云集数据确定最佳拟合平面的步骤，具体为：
[0027]使用RANSAC方法，随机选取所述点云集数据中的三个点形成采样平面，计算所述点云集数据中的每一个点到所述采样平面的距离，并将大于预设平面距离阈值的点放入平面点集，重复以上步骤，直到所述平面点集中点的数量最大，将此时的所述采样平面作为所述最佳拟合平面。
[0028]更进一步地，步骤S6中，使用Mean
‑
shift算法计算所述最佳拟合平面的中心点的步骤，包括以下子步骤：
[0029]S61、随机获取所述最佳拟合平面中的所述中心点x
i
，使用kd树搜索所述中心点x
i
的邻域S
k
；
[0030]S62、统计所述中心点x
i
与所述邻域S
k
内的点形成的向量，并通过相加计算得到采样向量所述采样向量的终点坐标作为x
i+1
，所述采样向量满足以下关系式：
[0031][0032]S63、重复步骤S61
‑
S62，直到所述采样向量的终点坐标不再变化。
[0033]更进一步地，步骤S7中，所述钢板的坐标信息，以所述最佳拟合平面为钢板所在平面，以所述采样向量的终点坐标为所在平面的坐标。
[0034]第二方面，本专利技术实施例还提供一种不规则钢板位姿识别系统，包括：
[0035]图像获取模块，用于拍摄钢板位姿图像，并通过预处理将钢板检测区域以外的背景进行剔除，提取所述钢板检测区域中的点云信息；
[0036]数据平滑处理模块，用于通过最小二乘法对所述点云信息进行平滑处理，得到点云原点数据；
[0037]分割模块，用于使用预设聚类算法，对所述点云原点数据进行分割，得到单个钢板的单独点云信息；
[0038]位姿识别模块，用于对所述单独点云信息进行位姿识别，得到具有法向量特征的点云集数据；
[0039]拟合平面计算模块，用于根据所述点云集数据确定最佳拟合平面；
[0040]中心点计算模块，用于使用Mean
‑
shift算法计算所述最佳拟合平面的中心点；
[0041]坐标确定模块，用于根据所述最佳拟合平面和所述中心点获取钢板的坐标信息，并根据所述坐标信息使用机械手对所述钢板进行抓取。
[0042]第三方面，本专利技术实施例还提供一种计算机设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例中任意一项所述的不规则钢板位姿识别方法中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种不规则钢板位姿识别方法，其特征在于，所述方法包括以下步骤：S1、拍摄钢板位姿图像，并通过预处理将钢板检测区域以外的背景进行剔除，提取所述钢板检测区域中的点云信息；S2、通过最小二乘法对所述点云信息进行平滑处理，得到点云原点数据；S3、使用预设聚类算法，对所述点云原点数据进行分割，得到单个钢板的单独点云信息；S4、对所述单独点云信息进行位姿识别，得到具有法向量特征的点云集数据；S5、根据所述点云集数据确定最佳拟合平面；S6、使用Mean
‑
shift算法计算所述最佳拟合平面的中心点；S7、根据所述最佳拟合平面和所述中心点获取钢板的坐标信息，并根据所述坐标信息使用机械手对所述钢板进行抓取。2.如权利要求1所述的不规则钢板位姿识别方法，其特征在于，步骤S1中，所述预处理的方法包括：基于统计滤波去除所述钢板位姿图像中点云的离群点，所述离群点包括所述点云周围的噪声；使用AABB包围盒结合直通滤波识别所述钢板检测区域，并去除区域边界的影响。3.如权利要求1所述的不规则钢板位姿识别方法，其特征在于，步骤S3中，所述预设聚类算法具体为：S31、将所述点云原点数据按照Z轴坐标值大小进行排序，并获取Z轴坐标值最大的一个种子点P，将所述种子点P放入聚类集合Q中；S32、构建关于所述种子点P的kd数，并查找所述种子点P的n个邻居，计算每一所述邻居到所述种子点P的距离，将距离小于预设距离阈值r的所述邻居对应的点放入邻居数组中；S33、遍历所述邻居数组，计算其中每一所述邻居对应的法向量与所述种子点P的法向量之间的夹角，将夹角小于预设夹角阈值的所述邻居预设的点放入所述聚类集合Q中，根据以上定义，所述聚类集合Q满足如下关系式：S34、将所述聚类集合Q中的所述种子点P的下一个点作为新的所述种子点，并重复步骤S32
‑
S34，直到所述聚类集合Q无法再加入新的点，其中，所述聚类集合Q中的每一点为得到的单个钢板的所述单独点云信息。4.如权利要求3所述的不规则钢板位姿识别方法，其特征在于，步骤S4中，对所述单独点云信息进行位姿识别，得到具有法向量特征的点云集数据的步骤，包括以下子步骤：S41、通过单独点云信息中的一随机点的邻域点，计算所述随机点的点云质心；S42、通过所述随机点和所述点云质心计算协方差矩阵C；S43、通过奇异值求解法计算所述协方差矩阵C的特征向量，其中，所述特征向量的最小值为所述随机点的所述法向量特征；S44、将所述法向量特征的值大于预设特征阈值的对应的点作为所述点云集数据。5.如权利要求4所述的不规则钢板位姿识别方法，其特征在于，步骤S5中，根据所述点云集数据确定...

【专利技术属性】
技术研发人员：魏登明，杨海东，谢克庆，李泽辉，
申请(专利权)人：佛山市南海区广工大数控装备协同创新研究院，
类型：发明
国别省市：